一种适用于车载短距离通信网络的高速公路危险路况识别和告警方法与流程

本发明涉及一种适用于车载短距离通信网络的高速公路危险路况识别和告警方法，属于通信与信息领域，尤其是车载通信技术领域。

背景技术：

高速公路由于车速较快，因此各类突发现象容易引起重大交通事故。高速公路的危险路况能及时识别并提前向车辆发出告警，可以显著减少重大交通事故的发生，但是高速公路的识别由于技术实现复杂，需要一种有效的方式来实现。

车载短距离通信(Vehicle to X：V2X)网络是通过无线通信、GPS/GIS、传感等短距离通信技术实现的车内(CAN-Controller Area Network)、车路(Vehicle-2-RSU)、车间(Vehicle-2-Vehicle)、车外(vehicle-2-Infrastructure)、人车(Vehicle-2-Person)之间的通信。

V2X中的车载节点配备有GPS或者北斗等设备，车载节点按照设定的时间间隔定期向周围广播本节点的地理位置等信息(称为心跳信息)，同时也接收周围节点发送的心跳信息，从而获得周围车载节点同本车的距离，从而计算出同本车的相对距离信息。

路侧节点是V2X网络中的一种重要设备，设备功能同车载节点相同，但是由于其天线部署位置高，供电不受影响，因此其覆盖范围大，能接收更大范围的车载节点广播的心跳信息。

技术实现要素：

本发明公开了一种适用于车载短距离通信网络的高速公路危险路况识别和告警方法，主要实现是选择抛洒物、故障车辆和道路拥挤三个因素作为危险路段的识别元素。识别方法是首先确立路段危险性识别的贝叶斯网络结构和算法，然后确立判定抛洒物、故障车辆和道路拥挤三个识别元素的贝叶斯网络结构和算法，识别方法是通过车载短距离通信网络的路侧节点接收覆盖范围内车载节点定期广播的包含车辆位置的心跳信息来获得各车辆的位置，进而获得车辆的速度和行驶方向的变化，然后通过贝叶斯网络来获得抛洒物、故障车辆和道路拥挤三个识别元素的后验概率，然后再通过贝叶斯网络，获得路段危险性的后验概率，当概率高于系统设定的门限值时，向覆盖范围内的车辆广播告警消息。

具体地，本发明公开了一种适用于车载短距离通信网络的高速公路危险路况识别和告警方法，所述方法包括：

选择抛洒物、故障车辆和道路拥挤三个因素作为危险路段的识别元素，通过车载短距离通信网络的路侧节点接收覆盖范围内车载节点定期广播的包含车辆位置的心跳信息来获得各车辆的位置，进而获得车辆的速度和行驶方向的变化，然后通过贝叶斯网络来获得抛洒物、故障车辆和道路拥挤三个识别元素的后验概率，然后再通过贝叶斯网络，获得路段危险性的后验概率，当出现危险现象时，向覆盖范围内的车辆进行告警。

优选地，路侧节点计算路段危险性的概率超过系统设定的门限值后，通过车载短距离通信网络，向覆盖范围内的车辆广播告警信息。

优选地，采用贝叶斯网络进行识别，方法是确立路段危险性识别的贝叶斯网络结构和算法，然后确立判定抛洒物、故障车辆和道路拥挤三个识别元素的贝叶斯网络结构和算法。

优选地，路侧节点对抛洒物识别元素是通过V2X网络获得的车辆区域绕行和车辆缓行两个信息来计算发生的概率。

优选地，路侧节点对故障车辆识别元素是通过V2X网络获得的车辆停止和车辆缓行两个信息来计算发生的概率。

优选地，路侧节点对道路拥挤识别元素是通过V2X网络获得的车辆停止和车辆缓行两个信息来计算发生的概率。

本发明实施例利用V2X网络部署在高速公路沿线的路侧节点接收的车载节点广播的心跳信息，获得路侧节点覆盖范围内车辆的位置，进而获得车辆的速度和行驶线路变化，通过车辆的位置变化，配合电子地图，对高速公路的危险性进行识别，当危险性超过门限值时，向车辆广播告警信息，从而提高高速公路的行车安全性。

附图说明

图1是根据本发明实施方式的主要处理步骤图。

图2是根据本发明实施方式的贝叶斯网络拓扑结构图。

具体实施方式

本实施例实现了一种适用于车载短距离通信网络的高速公路危险路况识别和告警方法，目的是通过车载短距离通信的路侧节点覆盖范围大，相互之间有链路连接的优势，接收路侧节点覆盖范围内车辆中的V2X车载设备定期广播发送的包含地理位置坐标的消息(以下称为心跳信息)，利用贝叶斯网络模型，综合对路侧节点覆盖范围内的路况进行危险情况判别，如果路况危险概率超过系统设定的门限值，则将告警信息通过本路侧节点和邻近的路侧节点进行广播，提醒驾驶员及早采取相应的措施，从而有效提升高速公路的交通安全水平。

高速公路由于车速较快，很多因素使某路段成为危险路段，本实施例选择三种对高速公路影响大的因素，分别是抛洒物或临时障碍物、故障车辆或交通事故车辆、道路拥挤，通过贝叶斯网络进行综合判定。

高速公路抛洒物由于其不可预见性，给高速行驶的车辆会带来极大的危险。另外临时性的障碍物或者突发性的道路异常情况，也属于这类危险因素。车辆遇到这类情况，一般是有规律的绕行。路侧节点通过接收覆盖范围内的车辆中V2X车载设备广播的心跳信息，可以对这个有规律的绕行进行识别，从而判断道路有抛洒物或者道路异常的概率。

故障车辆或交通事故车辆是另外一个给高速行驶的车辆会带来极大的危险因素，这个因素路侧节点可以通过接收故障车辆广播的心跳信息准确获得车辆的位置信息，但是需要根据故障车辆的位置和占用道路的情况来识别危险严重程度。

道路拥挤情况路侧节点可以通过接收通过该路段的车辆的速度和车流密度进行识别。

路段的危险程度涉及很多因素，每个因素又具有较大的不确定性，贝叶斯网络模型可以用于表达和分析不确定性和概率性的事件,可以从不完全、不精确或不确定的知识或信息中做出推理,是不确定知识和推理领域中有效的理论模型。高速公路中路段的危险性是一个非常复杂的系统问题。因此，使用概率论的方法具有较好的可行性。

在贝叶斯网络模型中，通过可获得的随机变量推断不可获得的随机变量，进行概率推理。因此，利用贝叶斯网络求解路段危险性判别可以表述为：在现有道路危险性带来的车辆状态改变的经验数据的情况下，路侧节点在获取实时车辆状态的条件下，道路危险状况处于各种程度(危险、安全)的概率。

贝叶斯网络用二元组BN＝<G,Θ>表述的概率不确定性推理网络，G是节点与离散随机变量{X₁,X₂,...,X_n}一一对应的有向无环图，有向边则表示变量之间由条件概率决定的依赖关系；Θ是描述BN局部条件概率分布参数的集合表示节点X_i在其父节点集Y_i某一取值组合状态y_i下的条件概率分布。BN可通过条件概率量化随机事件之间的因果关系，因此用于疲劳驾驶的识别。

本实施例的实施包括三个部分，流程如图1所示。

第一部分、确立路段危险性识别的贝叶斯网络结构和算法。

1.1、以有向无环图构造贝叶斯网络，其中的节点用于路段危险识别的元素对应的变量，有向边代表变量的条件依赖关系。

1.2、本实施例的贝叶斯网络拓扑结构如图2所示。本实施例中的道路危险性识别采用加减速特性、车道偏离特性、行车方向特性三个特性，以下简称疲劳识别三特性。父节点(Rd)表示路段危险性，子节点(Ao)表示抛洒物因素，子节点(Fv)表示故障车辆因素，子节点(Rc)表示道路拥挤因素。父节点(Rd)与子节点(Ao)、子节点(Fv)、子节点(Rc)之间的连线表示路段危险性与抛洒物因素、故障车辆因素和道路拥挤因素的条件概率p(Ao|Rd)、p(Fv|Rd)和p(Rc|Rd)。

1.3、路段危险性判别的贝叶斯网络算法。路段危险性的大小采用概率p(Rd|Ao,Fv,Rc)表示，根据贝叶斯公式，

本实施例中，首先根据专家经验确定贝叶斯网络中父节点与子节点之间连线的条件概率后，然后获得3个节点的先验概率，就可以获得路段危险性的后验概率p(Rd|Ac,Fv,Rc)。

为简化运算，各个状态取值为有和无，分别对应0和1，则：

第二部分、确立判定各识别元素的贝叶斯网络结构和算法。

2.1、确立识别抛洒物(Ao)的贝叶斯网络结构和算法。本事实例中，抛洒物的识别是通过车辆区域绕行(Aa)和车辆缓行(Va)两个车辆行驶特性进行识别。抛洒物存在的概率用p(Ao|Aa,Va)表示，根据贝叶斯公式，

其中，p(Aa,Va)＝p(Aa|Va)p(Va)，p(Aa,Va|Ao)＝p(Aa|Va,Ao)p(Va|Ao)，上述概率可以从路侧节点收集的历史数据中获得。

2.2、确立识别故障车辆(Fv)的贝叶斯网络结构和算法。本事实例中，故障车的识别是通过车辆停止(Vs)和车辆缓行(Va)两个车辆行驶特性进行识别。故障车辆存在的概率p(Fv|Vs,Va)表示，根据贝叶斯公式，

其中，p(Vs,Va)＝p(Vs|Va)p(Va)，p(Vs,Va|Fv)＝p(Vs|Va,Fv)p(Va|Fv)，上述概率可以从路侧节点收集的历史数据中获得。

2.3、确立识别道路拥挤(Rc)的贝叶斯网络结构和算法。本事实例中，道路拥挤的识别是通过车辆停止(Vs)和车辆缓行(Va)两个车辆行驶特性进行识别。故障车辆存在的概率p(Rc|Vs,Va)表示，根据贝叶斯公式，

其中，p(Vs,Va)＝p(Vs|Va)p(Va)，p(Vs,Va|Rc)＝p(Vs|Va,Rc)p(Va|Rc)，上述概率可以从路侧节点收集的历史数据中获得。

第三部分、高速公路路段危险程度驶识和告警。

3.1、部署于高速公路沿途的路侧节点通过接收覆盖范围内车辆车载V2X设备广播发送的包含车辆地理位置信息的消息；

3.2、路侧节点根据接收到的车辆的位置信息，以及获得的形式位置变化，从而可以对车辆的绕行、缓行和停止的概率进行判断。判断采用设定时间段内计数的方式进行：

其中，C_Aa是在一个地点发生向同一个方向偏转的车辆数量，C_Vs是发生停止现象的车辆数量，C_Va是发生车速缓慢的车辆数量，C是识别区段的总的车辆数量。

3.3、V2X路侧节点设备初始化时，可以根据本路段的电子地图，通过设定的经验数据，然后通过式(1)至式(6)，可以得到本路段的危险等级；

3.4、路段的风险概率超过门限值后，将告警信息通过V2X网络向覆盖范围内的车辆进行广播，车载V2X设备接收到告警信息后，会采用声音和显示的当时对危险路段的危险因素以及发生位置进行提醒；

3.5、将此时的后验概率p(Rd|Ao,Fv,Rc)作为下一个计算周期的先验概率p(Rd)，使预测能更符合当前的道路特点。

以上所述是本发明的较佳实施例及其所运用的技术原理，对于本领域的技术人员来说，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变，均属于本发明保护范围之内。